[论文解读] TASTE: Temporal and Static Tensor Factorization for Phenotyping Electronic Health Records

Ardavan Afshar, Ioakeim Perros+6 more|arXiv (Cornell University)|Nov 13, 2019

Tensor decomposition and applications被引用 7

一句话总结

TASTE 提出了一种新颖的张量分解方法，通过混合 PARAFAC2 与非负矩阵分解框架，联合建模电子健康记录（EHRs）中的静态特征（如人口统计学）与时间特征（如纵向就诊记录）。该方法相比基线模型计算速度最高提升 14 倍，并提取出与深度学习模型预测性能相当、且仅使用极少特征的临床有意义的心力衰竭表型。

ABSTRACT

Phenotyping electronic health records (EHR) focuses on defining meaningful patient groups (e.g., heart failure group and diabetes group) and identifying the temporal evolution of patients in those groups. Tensor factorization has been an effective tool for phenotyping. Most of the existing works assume either a static patient representation with aggregate data or only model temporal data. However, real EHR data contain both temporal (e.g., longitudinal clinical visits) and static information (e.g., patient demographics), which are difficult to model simultaneously. In this paper, we propose Temporal And Static TEnsor factorization (TASTE) that jointly models both static and temporal information to extract phenotypes. TASTE combines the PARAFAC2 model with non-negative matrix factorization to model a temporal and a static tensor. To fit the proposed model, we transform the original problem into simpler ones which are optimally solved in an alternating fashion. For each of the sub-problems, our proposed mathematical reformulations lead to efficient sub-problem solvers. Comprehensive experiments on large EHR data from a heart failure (HF) study confirmed that TASTE is up to 14x faster than several baselines and the resulting phenotypes were confirmed to be clinically meaningful by a cardiologist. Using 80 phenotypes extracted by TASTE, a simple logistic regression can achieve the same level of area under the curve (AUC) for HF prediction compared to a deep learning model using recurrent neural networks (RNN) with 345 features.

研究动机与目标

• 弥合现有 EHR 表型识别方法的空白，这些方法未能同时联合建模静态患者属性（如种族、性别）与动态临床轨迹。
• 开发一种可扩展、可解释的方法，在处理不规则、稀疏的纵向 EHR 数据时，保持模型唯一性与可解释性。
• 通过整合静态与动态临床特征，提升心力衰竭表型识别的预测性能。
• 通过数学重构非凸优化问题为可处理的子问题，实现高效计算。

提出的方法

• 构建一种联合张量分解模型，结合 PARAFAC2 用于时间数据与非负矩阵分解用于静态特征，共享一个共同的表型评分矩阵。
• 使用患者特定的因子矩阵（U_k）与共享的因子矩阵（V）建模时间数据，并通过 Q_k 与 H 的正交约束处理不规则的就诊次数。
• 通过将静态特征（A）分解为共享的表型评分（S_k）与因子矩阵（F），实现联合学习。
• 将原始非凸优化问题重构为交替子问题：正交 Procrustes 问题、最小二乘问题与非负最小二乘问题，避免昂贵的 Khatri-Rao 乘积运算。
• 为每个子问题使用高效求解器，包括闭式解与具有收敛性保证的迭代算法。
• 通过保持非负性与正交性约束，提升模型唯一性与临床可解释性。

实验结果

研究问题

• RQ1 统一的张量分解模型能否有效整合 EHR 中的静态与动态特征，以提升表型识别的准确性？
• RQ2 与分别建模静态与时间特征相比，联合建模静态与时间特征在心力衰竭预测性能上表现如何？
• RQ3 所提出的方法能否在保持模型可解释性与唯一性的同时，实现相对于现有基线的显著加速？
• RQ4 TASTE 所发现的表型是否与领域专家验证的临床公认模式一致？

主要发现

• TASTE 仅使用 80 个表型即在心力衰竭预测中达到 AUC 0.7554，优于仅使用 345 个特征的基线 RNN 模型。
• TASTE 相比最先进基线模型最高实现 14 倍加速，同时保持模型唯一性与可解释性。
• 该方法成功提取出五种临床意义明确的心力衰竭表型——心房颤动、高血压性心力衰竭、肥胖相关性、心肌代谢性与冠状动脉性心脏病，经心脏病专家确认。
• 通过 TASTE 的联合建模框架引入静态特征后，AUC 相比仅使用动态特征的基线提升 0.0056（0.7426 vs. 0.7498），相比静态增强的 PARAFAC2 基线也提升 0.0056。
• 表型评分（S_k）在静态与动态模态之间共享，实现了患者轨迹的一致性、个性化表征。
• 模型的高效性源于将优化问题重构为更简单的子问题，避免了如 Khatri-Rao 乘积等计算密集型操作。